大数据预测：告诉你谁会点击、购买、撒谎或死去（修订版） 中信出版社 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] 埃里克·西格尔 著，周大昕 译

图书标签:

• 大数据
• 预测
• 数据分析
• 机器学习
• 统计学
• 商业分析
• 行为预测
• 风险评估
• 中信出版社
• 修订版

店铺： 中信出版社官方旗舰店

出版社： 中信出版集团

ISBN：9787508676630

商品编码：16641381482

品牌：中信出版（Citic Press）

包装：精装

开本：32开

出版时间：2017-08-01

用纸：纯质纸

页数：376

正文语种：中文

!! “得到”创始人罗振宇、360公司创始人周鸿祎理性推荐，了解大数据预测必读书目；
!!获奖作品，全球翻译为9种语言，美国30多所大学选为课堂教材；
!!预测分析顶ji专家生动有趣解说数据与预测技术，本书是了解预测技术不容错过的实践指导手册，修订版增加zui新企业研究案例；
!!一点预测，无限可能。预测连接过去与未来，预测技术的应用贯穿商业、政界、、高校和执法系统。身处预测繁荣发展的时代，想知道我们的世界会因为预测变成什么样子，来读《大数据预测》。

令人着迷的， 有趣的……—— 《西雅图邮讯报》

全书充满了生动的例子……——《金融时报》

作为大数据的核心应用，预测正在繁荣发展。它改写了行业，驱动世界向前。潮流引领者比如大通银行、脸谱网、谷歌、HP、IBM、Match.com、网飞公司、优步等正借助大数据的力量对人类的行为进行预测——其中也包括你的。公司、政府、执法机关、医院和高校正利用来自预测的力量，预测你否会点击、购买、撒谎或者死去。

为什么要对人类的行为进行预测？我们有充分的理由：预测人类行为，可以战胜危机、促进销售、提升医疗保健、简化生产流程、拦截垃圾信息、优化社交网络、强化打击犯罪，以及赢得选举，等等。

预测由世界上*有效、*丰富的非自然资源——数据驱动。作为人们各种日常及社会活动的副产品，数据正在被不断被记录和整理，并日渐成为一座金矿。大数据技术通过对数据进行学习，正不断释放数据的能量。

在这本内容丰富、有趣的书中，预测分析*专家埃里克·西格尔解读了预测是如何工作和影响我们每个人的。它不仅是一本技术实践指导手册，更通过提供新的研究案例以及前沿技术，帮助普通读者和专业人士更好地了解大数据预测。

序 言
前 言 预测分析的职业风险
导 论 预测效应
第yi章 升空！预测开始发威
开始实践
人人爱预言，虽然不精确
防护预测
价值100 万美元的无声革命
个性化的危险
预测分析程序的安装：迂回和拖延
运行过程中
基本要素：观察
行动就是决策
危险的启动
呼叫休斯敦，我们有麻烦了
能做到的小模型
休斯敦，发射
热情的科学家
让预测走入内心
第二章 权力越大，责任越大：惠普、Target超市、警察和美国国家安全局会窥探你的秘密
Target 超市的预测及其预测目标
意味深长的停顿
我的15 分钟
曝光于聚光灯下
你无法禁锢那些可传输的东西
法律与秩序：政策和数据监管
数据之战
数据挖掘并不是“攫取”数据
惠普自我学习
洞悉员工还是侵犯隐私
辞职风险：我不干了！
洞见：辞职背后的因素
危险品
辞职风险评估的价值
预测犯罪，提前杜绝犯罪
数据犯罪和犯罪数据
无法测量的机器风险
偏见的轮回
好的预测 坏的预测
第三章 数据效应：彩虹之后的饕餮
焦虑指数
将情绪可视化
在数据里寻宝
一切都数据化
把所有舱门都封死：信息太多了
谁的数据会成为你的囊中之物？
彩虹之末
预测之汁
遥远、奇特和惊人的洞察力
有关系，并不意味着是因果关系
第四章 学习的机器：大通银行对房产抵押风险的预测分析
男孩与银行的相遇
银行面临着风险
预测抵御风险
风险业务
学习机器
创建机器学习
从负面经验中学习
机器如何学习
你可以决定决策树的规模
计算机，为自己编程吧
学吧，宝贝
越大越好
过度学习：假设太多
归纳之谜
机器学习的艺术和科学
感觉真实：测试数据
去粗取精是艺术
在大通银行应用分类—回归决策树
摇钱树
回归—为何显微镜无法观察到宇宙碰撞
后续
第五章 集团效应：Netflix、众包以及增压预测
业余火箭科学家
黑马
思想外包：集思广益
众包如星火燎原
生于忧患
联合国
元学习
两个预测模型的组合
好戏在后头
集体信息
群体和模型的智慧
一袋子模型
集体智慧开始发威
泛化悖论：过犹不及
挑战极限
第六章 “沃森”和《危险边缘》节目
文本分析
英语的爱恨情仇
在理解问题之后就要回答
知识终极源泉
人工智能悖论
学习回答问题
学人走路，学人说话
更好的捕鼠器
应答机器
投机取巧的《危险边缘》
从证据中寻找答案
基础知识，亲爱的“沃森”
证据如山
用组合模型来判断证据
组合模型的组合
机器学习使自然语言处理成为可能
自信但不自负
需要速度
双重危险—“沃森”会赢吗？
《危险边缘》的惶恐
为了胜利
比赛之后：荣誉、嘉奖和崇拜
非对称性IBM 人工智能
对的预测
第七章 用数字说话：挪威电信和美国合众银行工程师
如何通过预测来施加影响
搅拌吧，用力搅拌
沉睡的狗
要预测新的内容
眼睛看不到
预测说服
具有说服性的选择
商业刺激和商业反馈
定量人性
量子人性—他是否可被影响？
通过上提模型预测影响力
银行业对影响力的运用
预测错误之事
响应上提模型
上提模型的原理
上提模型如何发挥作用
说服效应
不同行业的影响
让移动客户不移动
结 语

埃里克·西格尔， 博士, Predictive Analytics World创始人，《预测时报》（ The Predictive Analytics Times）主编，前哥伦比亚大学教授，预测分析领域知名演讲人、教育家和领导者。

未来，大数据会变得越来越重要，其核心应用预测也会成为互联网行业以及产业变革的重要力量，我们很有必要对数据预测及其分析方法进行全面且深入的了解。在这一点上，《大数据预测》是本很好的读物，适合大数据所有相关行业的人阅读。

——周鸿祎 360公司创始人、董事长兼CEO，奇酷CEO和知名天使投资人

我对不确定性怀有敬畏之心，但科学技术的发展尤其是大数据时代的来临以及数据加工技术的进步，使人类行为可预测成为可能。我想，20年后，我们是不是会利用数据也就是预测的方法，去框定一个人的行为，或者说，我们的世界会因为预测技术改变到什么程度？读完这本《大数据预测》，基本就能找到答案了。

——罗振宇 得到App创始人

关于大数据的《魔鬼经济学》 。

——斯坦·克雷辛格 Advertising.com创始执行人

本书是21世纪生活的使用说明手册。利用大数据进行预测几乎成为所有领域的关机键，不管是科技、商业、财经、运动，还是政治。而埃里克·西格尔正是我们*理想的向导。

——斯蒂芬·贝克 《数字迷宫与*风险》作者

本书有趣、有益、细腻入微，西格尔进行了深入探究，并让科学变得激动人心。

——雷伊德·加尼 奥巴马2012年美国大选团队首席数据科学家

商业、政界以及医疗卫生领域的《点球成金》。

——吉姆·斯特恩 eMetrics Summit创始人，Digital Analytics Association主席

价值100 万美元的无声革命

当组织采用预测分析时，其意义不啻发动了一支庞大军队，只不过这是由“蚂蚁”组成的军队。这些“蚂蚁”会走上组织运营的各大前线，与消费者、学生或病人等服务对象直接接触。之后，这个“蚂蚁军团”会在预测结果的引导下改善数百个决策。这一过程可能并不是轰轰烈烈的，但用心观察其综合效果之后，会发现这些细小变化所产生的合力。每一个被改善的决策本身可能都显得无足轻重，但成千上万的决策合起来就大为不同。2005 年，某位客户让我想办法提高他网站的点击量，为此我把自己埋在了相关数据中，希望能找出办法帮助这位客户。这位客户希望其网页上的广告能获得更多的点击量。这关乎收入，广告的点击量越多，这位客户的收入就越高。这家网站在创办几年后已拥有数千万用户，用户数据大概有5000 万条，这就是用来做预测的宝贵的原始材料库，而预测的对象竟然是：点击！

广告是媒体不可分割的部分，无论是纸媒、电视还是网络媒体都离不开广告。本杰明·富兰克林曾说，人生中不可避免的两样东西是死亡和税。如果他现在还活着，一定会加上第三样东西：广告。互联网巨头Google 承认，广告是其最大的收入来源。Facebook也是如此 。

但对于我要研究的这家网站来说，广告的功能略有不同，只要能预测用户的点击率，其潜在收益就会更大。这家网站提供搜索高校奖学金的服务，在美国所有准备上大学的高中生中，大约有1/3 都是这家网站的用户。这虽是不显眼的细分市场，但对于许多大学和军校的招生工作人员来说，却是不容错过的网站。在该网站上，有一则大学招生广告很霸气，它自称是“美国创新型教育的领导者”，上面还附加了链接让用户点击。不难想象，一些提供学生贷款的机构也选择在这家网站上投放广告，让报考学生没有财务上的后顾之忧。这些广告商为每次点击支付25 美元。对于网站而言，如果一次点击就能换来这样丰厚的收入，那真是太棒了。此外，网站上的广告与网站主题紧密相关，而网站的用户也有很强的目的性，因此平均下来每100 次点击就能产生5 笔成功交易，这是令普通网站难以企及的业绩！因此，拥有这家网站的猎头公司从中获利颇丰。任何微小的改善都意味着总收入的显著提升。

但要想改善用户的广告选择却不是件容易的事。网页切换时，用户面前可能会出现很多广告。最难的就是让用户点击最适合他们的广告链接。目前，网站根据各广告的平均点击率来排序，完全没有考虑用户的独特需求。因此，点击最多的广告总是摆在最显眼的位置。这样的安排降低了广告与单个用户的匹配度，而且广告一旦被推到显眼的位置，就很难被替换下来，因为大量用户总是会不经意地点击最显眼处的链接。某些大学对每次点击都愿意支付高价，而且因为位置显眼，其广告链接的点击率也很高。因此，似乎没有理由用冷门的广告去替换主流广告，因为这样做很可能会失去唾手可得的收入。

好的，这是一份关于一本图书的详细简介，其内容并非出自《大数据预测：告诉你谁会点击、购买、撒谎或死去（修订版）》。 --- 书名：智能时代的决策艺术：驾驭数据洪流，重塑商业与社会图景 作者：[作者姓名] 出版社：[假设的出版社名称] 导读： 在信息爆炸的今天，数据已不再是简单的记录载体，而是驱动未来商业变革与社会治理的核心引擎。然而，如何从海量、异构的数据中提取真正有价值的洞察，并将其转化为精准、有效的决策，是摆在每一个组织面前的巨大挑战。本书并非仅仅罗列技术名词或复杂的算法模型，而是深入探讨了智能决策背后的底层逻辑、实践路径与哲学思考。我们站在技术前沿，聚焦于如何将数据科学、人工智能与商业战略、伦理规范进行深度融合，构建面向未来的“决策智能体”。 第一部分：从数据到洞察——新时代的决策基石 第一章：数据生态的重塑与决策范式的转变 本章首先描绘了当前数据生态的复杂性：流式数据、物联网（IoT）、边缘计算以及非结构化数据的激增如何彻底颠覆了传统的商业智能（BI）模式。我们探讨了决策范式的演进——从描述性分析（发生了什么）到诊断性分析（为什么发生），再到预测性分析（将要发生什么）和最终的指导性分析（我们应该怎么做）。重点剖析了“实时决策”的必要性，以及企业如何构建能够即时响应市场变化的敏捷数据管道。我们详细对比了传统数据仓库与现代数据湖、数据网格架构的优劣，强调了数据治理在确保决策质量中的决定性作用。 第二章：算法的黑箱与可解释性之辩 随着深度学习模型在各个领域的深入应用，其“黑箱”特性对决策的透明度和可信度构成了严峻挑战。本章深入剖析了可解释人工智能（XAI）的核心技术，例如LIME、SHAP值等，并探讨了在金融风控、医疗诊断等高风险领域，如何平衡模型预测的准确性与决策的透明度。我们不仅关注技术本身，更探讨了当算法做出关键决策时，人类应当承担怎样的最终责任，以及建立问责机制的必要性。 第三章：构建智能驱动的客户体验全景图 客户是商业活动的中心。本章侧重于如何利用先进的分析技术，构建360度的客户画像。这不仅仅是人口统计学信息的整合，而是深入挖掘客户的意图、情感状态和生命周期价值（CLV）。我们将介绍如何运用自然语言处理（NLP）分析社交媒体反馈和客服记录，识别潜在的服务痛点，并利用强化学习优化个性化推荐系统的长期效益，而非仅仅追求短期的点击率。 第二章：战略与运营的智能赋能 第四章：供应链的韧性与预测性优化 全球化供应链的脆弱性在近年来暴露无遗。本章聚焦于如何运用时间序列分析、图神经网络（GNN）来提升供应链的韧性。内容涵盖了需求预测的超精细化，库存的最优分布，以及在突发事件（如自然灾害或地缘政治冲突）发生时，如何通过模拟和情景分析快速调整物流路径和生产计划，实现从“追赶”到“预见”的转变。 第五章：智能时代的金融风险管理新边界 金融业是数据应用的先驱，但欺诈、信用风险和市场波动依然是巨大威胁。本章详细介绍了先进的异常检测技术，如自编码器和隔离森林，用于识别复杂的金融欺诈模式。更重要的是，我们探讨了如何利用联邦学习（Federated Learning）在保护客户隐私的前提下，跨机构共享风险信号，共同构建更稳健的信用评估体系。 第六章：人力资源的精准匹配与效能提升 人力资源管理正从事务性工作转向战略性伙伴。本章展示了如何运用招聘分析模型来识别高绩效人才的特质，预测员工流失风险，并设计个性化的职业发展路径。我们着重讨论了避免算法偏见（Bias）在招聘和绩效评估中的植入，确保评估的公平性和包容性，从而实现组织效能的最大化。 第三部分：智能决策的伦理、治理与未来 第七章：数据伦理与算法偏见：决策的道德罗盘 技术能力越强，责任越大。本章是对数据使用伦理的深刻反思。我们详细剖析了偏见是如何在训练数据、特征工程和模型部署的各个环节中悄然形成的，并给出了量化检测和减轻偏见的技术框架。此外，本书探讨了数据主权、隐私计算（如差分隐私）在构建受信任的AI系统中的核心地位。 第八章：建立企业级决策智能治理体系 成功的智能转型需要清晰的组织架构和治理框架。本章提出了一个实用的决策智能治理模型，涵盖了模型生命周期管理（MLOps）、数据质量标准、以及跨部门的“AI伦理委员会”的设立。我们强调了治理不是为了限制创新，而是为了确保创新能够沿着可持续、负责任的轨道前进。 第九章：人机协作的未来形态：增强智能的潜力 最终，本书认为最有效的决策不是完全由机器完成，而是人与机器深度协作的结果。本章展望了“增强智能”（Augmented Intelligence）的未来场景，即AI作为人类专家的“副驾驶”，负责处理复杂计算和模式识别，而人类则专注于战略判断、情感理解和伦理裁决。我们探讨了如何设计直观的人机交互界面，使用户能够自信地信任和采纳AI的建议。 结语：决策力的再定义 本书以对未来趋势的深刻洞察收尾，强调在智能时代，真正的竞争力不再是拥有多少数据，而是构建一个能够持续学习、自我优化、并坚守伦理底线的决策系统。这是一部面向企业高管、数据科学家以及所有关注未来商业图景的实践指南。 ---

评分☆☆☆☆☆

这本书的书名就足够吸引人了，《大数据预测：告诉你谁会点击、购买、撒谎或死去（修订版）》，光是这几个关键词就让人浮想联翩。我拿到这本书的时候，第一感觉就是它肯定会揭示许多我们日常生活中接触不到的，但又至关重要的信息。试想一下，在信息爆炸的时代，数据无处不在，而这本书似乎就是一把钥匙，能够打开数据背后隐藏的秘密。我尤其好奇“撒谎”和“死去”这两个词的关联，这听起来像是科幻小说里的情节，但作者却将其置于大数据预测的框架下，这让我充满了探索的欲望。这本书会不会像一部悬疑剧，一层层地剥开数据的迷雾，最终揭示出人类行为的某些难以捉摸的规律？我期待着它能够提供一些颠覆性的视角，让我重新审视周围的世界，理解那些看似随机的事件背后可能隐藏的逻辑。它会不会是一本能够教会我识别信息真伪的实用指南？又或者，它会深入探讨人性，揭示那些我们不易察觉的心理暗示和行为模式？总之，这本书的书名本身就构建了一个巨大的吸引力场，让我迫不及待地想知道它究竟能带我进入一个怎样的“预测”世界。

评分☆☆☆☆☆

《大数据预测》的标题，尤其是“撒谎”和“死去”这两部分，给我带来了一种既兴奋又略带不安的感觉。它似乎承诺着一种前所未有的洞察力，让我们能够窥探到事物发展的未来走向，甚至洞悉人性的阴暗面。我很好奇，作者究竟用了什么样的数据模型和分析技术，来实现如此大胆的“预测”？这会不会涉及到一些我们日常生活中鲜为人知的算法和隐私收集机制？我设想，这本书可能会像一本侦探小说，将那些隐藏在海量数据中的线索串联起来，最终揭示出令人震惊的结论。比如，通过分析用户的消费习惯、社交媒体互动，甚至是一些细微的语言模式，是否真的能够准确地预测一个人是否会在某个特定的时间点做出某些特定的购买决策，甚至是否会倾向于说谎？我期待着，这本书能够以一种引人入胜的方式，将复杂的理论概念转化为易于理解的洞察，让我们认识到大数据在现代社会中扮演的越来越重要的角色，同时也引发我们对数据伦理和个人隐私的深思。

评分☆☆☆☆☆

这本书的标题《大数据预测：告诉你谁会点击、购买、撒谎或死去（修订版）》简直是悬念迭起，尤其是“撒谎”和“死去”这两个词，一下子就抓住了我的眼球。这不仅仅是关于商业行为的预测，更是触及到了人性的更深层次，甚至是生命本身。我很好奇，作者是如何将如此宏大的主题，通过大数据的方式来解读和预测的？这会不会是一本能够教我如何辨别网络信息真伪的实用手册？又或者，它会深入到社会学、心理学层面，通过分析海量数据，揭示出隐藏在人群中的某些普遍行为模式和心理动机？我期待着，这本书能够以一种非常接地气的方式，讲述大数据如何影响我们的生活，并且可能还会提供一些案例，展示大数据在预测犯罪、疾病，甚至是在重大社会事件中的应用。读完这本书，我希望自己能够对这个信息爆炸的时代有一个更清醒的认识，并且能够更好地理解，在看似随机的事件背后，大数据可能扮演着怎样的角色。

评分☆☆☆☆☆

读了《大数据预测》这本书，我最大的感受就是，它不仅仅是一本关于技术的书，更是一本关于人性的书。书名里提到的“点击”、“购买”这些行为，我们每天都在经历，但这本书把它上升到了预测的高度，让我开始思考，我们每一个看似自由的选择，是不是都在无形的数据轨迹中被悄悄地标记和预测着？更让我感到震撼的是，“撒谎”和“死去”这两个词的加入，这已经超出了商业应用范畴，触及到了更深层次的社会和伦理问题。我很好奇作者是如何将这些看似遥不可及的概念，用大数据技术来解释和预测的。这本书会不会提供一些案例，展示大数据在犯罪预测、医疗诊断甚至是社会治理方面的应用？它会不会让我看到，在冰冷的数据背后，隐藏着多么复杂而真实的生命故事？我设想，这本书可能会像一部精彩的纪录片，用严谨的数据分析，讲述一个个引人入胜的故事，让我们看到大数据如何渗透到我们生活的方方面面，甚至影响着我们的命运。读完这本书，我可能会更加警惕自己所产生的每一次点击，每一次购买，甚至每一次言语，因为它们都可能成为大数据分析的素材，构建一个关于我的“预测模型”。

评分☆☆☆☆☆

这本书的书名《大数据预测：告诉你谁会点击、购买、撒谎或死去（修订版）》实在是太有冲击力了，尤其是“撒谎”和“死去”这两个词，让人不禁联想到科幻电影里那种精密到可怕的预知能力。我拿到这本书时，脑子里闪过无数个场景：一个黑客如何利用大数据精准地预测股票市场的走向；一个侦探如何通过分析大量的社交媒体数据，找出潜在的嫌疑人；甚至，这本书会不会揭示，我们的一举一动，从网络浏览到现实生活中的每一次互动，都在被默默地记录和分析，以至于某些“不可预测”的事件，在数据面前，其实早有端倪？我特别好奇，作者是如何在“修订版”中，将最新的技术和伦理思考融入其中，以应对日益复杂和庞大的数据洪流。我希望这本书能够不仅仅停留在理论层面，而是能够提供一些具体的案例和分析方法，让我能够理解大数据预测的原理，并或许能够从中学习到一些识别虚假信息、理解他人意图的技巧。这本书带给我的，不仅仅是对大数据的好奇，更是对信息时代下，我们个体存在的意义和隐私边界的深刻反思。